5.5.1 바이올린과 상관관계 시각화

5.5.1 바이올린 플롯

① 바이올린 개요와 함수 violinplot()

[비유로 이해하기: 박스 플롯 + 밀도 추정 곡선] 박스 플롯이 데이터의 “통계적 요약(최소/최대/중앙값)”을 단단한 상자로 보여준다면, 바이올린 플롯(Violin Plot)은 거기에 더해 “데이터가 실제 어디에 뚱뚱하게 뭉쳐있는지” 그 부드러운 곡선(KDE)까지 한눈에 보여주는 강력한 차트입니다. split=True 옵션을 쓰면 두 집단을 반반씩 합쳐서 등 맞대고 비교하기 좋습니다.

바이올린 플롯(violin plot)은 상자그림(boxplot)에 데이터 분포의 밀도를 보다 구체적으로 표현하는 방법이다. 바이올린 플롯은 분포 밀도(kernel density)를 좌우 대칭의 항아리 모양으로 그리는 방식으로 데이터의 분포를 표현한다. 패키지 numpy의 함수 np.random.randn(d0, d1, ..., dn)는 평균이 0, 표준 편차가 1인 정규분포에 대한 난수(random number)를 차원 (d0, d1, …, dn) 배열을 생성한다.

다음으로 평균이 0, 표준편차가 1인 정규분포 난수 5개를 확인한다. 난수이므로 실행할 때마다 값이 다르다.

import numpy as np
np.random.randn(5)

다음 코드는 2행 3열의 6개 난수를 생성한다.

np.random.randn(2, 3)

다음은 함수 violinplot()으로 정규분포 난수 2000개로 바이올린을 그린 결과이다. 바이올린 플롯은 항아리 모양의 너비로 분포의 밀도를 나타내고 4분위수의 박스 상자를 내부에 그리는 방식이다.

data = np.random.randn(2000)
plt.violinplot(data);

다음 인자 vert=False를 사용해 바이올린을 가로로 그릴 수 있다. 인자 quantiles=[.25, .5, .75]로 사분위수에 선을 그을 수 있다.

plt.violinplot(data, quantiles=[.25, .5, .75], vert=False);

② 패키지 seaborn의 함수 sns.violinplot()

바이올린을 위해 패키지 seaborn의 violinplot()을 사용할 수도 있다. sns.stripplot(data, color='palegreen')을 사용하면 이미 그린 바이올린 플롯에 데이터 분포를 추가할 수 있다.

import seaborn as sns
sns.violinplot(data, color='gold');
sns.stripplot(data, color='palegreen');

붓꽃 데이터 iris에서 품종 Species에 따라 꽃받침 길이 Sepal.Length의 바이올린 플롯을 그려보자. 함수 sns.violinplot()에서 인자 x='Species', y='Sepal.Length', hue='Species'를 사용하면 품종에 따라 색상이 달라진다.

from pydataset import data
iris = data('iris')

import seaborn as sns
sns.violinplot(data=iris, x='Species', y='Sepal.Length', hue='Species');

다음 코드 legend='full'을 지정해 그림 위에 범례를 추가한다.

sns.violinplot(data=iris, x='Species', y='Sepal.Length', hue='Species', legend='full');